多年来,数据治理一直痴迷于一种感觉更像会计而非战略决策的指标:覆盖。数据治理工具供应商教育了一代治理专业人员,让他们勤奋地跟踪记录数据的百分比,追求经常错过大局的完成复选框。
问题?覆盖范围没有达到目标。它假设精心记录的数据会自动转换为可理解、可用的信息。但如果最终用户只需要问题的答案怎么办?当目标只是快速有效地获取正确的信息时,为什么要让他们浏览迷宫般的表格、列和描述呢?
数豆子并不能回答问题。虽然文档很有价值,但它只是达到目的的一种手段。真正的目标?使用户能够找到做出明智决策所需的信息。追求覆盖率指标常常会错过这一点,造成文档负担,同时忽视用户体验。
GenAI 让我们得以一睹数据治理未来的风采,数据治理的重点是结果,而不仅仅是输出。想象一个能够理解上下文的系统,将来自不同来源(文档、Slack 对话,甚至表格/列描述)的相关信息拼凑在一起,为用户问题提供有意义的答案,无论其位置或格式如何。
突然之间,治理从数豆子转向以结果为导向。我们不会追求任意的文档目标,而是专注于让用户能够直观地访问他们所需的信息。
其工作原理如下:
- 情境理解:GenAI 分析用户问题和周围情境,识别记录表格之外的相关数据源。
- 信息融合:GenAI 不再是孤立的数据,而是无缝地组合来自文档、对话和其他来源的信息,创建统一的知识库。
- 无障碍访问:用户无需知道所需信息的确切位置或格式。 GenAI 将处理搜索和检索,以清晰、可操作的格式提供答案。
这种重构释放了新的可能性:
- 减少文档负担:团队专注于创建高质量信息,而不是完成配额。
- 改善用户体验:用户可以在需要的地方找到所需的答案,而无需查找数据字典。
- 更智能的数据利用:GenAI 提取隐藏的见解,从而改进决策和创新。
- 动态知识管理:信息保持相关性,自动适应不断变化的环境和假设。
采用 GenAI 支持的数据治理并不是要抛弃现有实践,而是要对其进行改进,以专注于真正重要的事情:为用户提供发展所需的信息。现在是时候超越数豆子的范畴,拥抱这样一个未来:数据治理通过推动有意义的结果(而不仅仅是清单)来提供真正的价值。